Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Abstract

Dalam menaksir Model Lag Terdistribusi, masalah yang mungkin terjadi adalah tidak adanya pegangan baku tentang panjang maksimum lag, selain itu apabila variabel lag yang digunakan semakin banyak maka mengakibatkan bertambah banyak data yang hilang dan akan muncul multikolinearitas. Satu cara yang dilakukan untuk mengatasi hal tersebut sebelum dilakukan penaksiran model adalah dengan menggunakan Transformasi Koyck sehingga diperoleh Model Koyck. Selanjutnya Model Ekspektasi Adaptif menggunakan variabel lag dan memberikan peran yang penting pada periode sekarang untuk dihasilkan pada periode yang akan datang, sedangkan Model Ekspektasi Penyesuaian Parsial mampu menyesuaikan diri, dan memanfaatkan variabel lag untuk menjelaskan penyesuaian ekspektasi yang dikaitkan dengan ketidakpastian di masa depan. Selanjutnya, kombinasi Model Ekspektasi Adaptif dan Penyesuaian Parsial menggunakan variabel lag untuk dihasilkan pada jangka panjang (long run). Tingkat signifikansi Model Adaptif, Model Parsial Adjustment dan kombinasinya relatif kurang baik, hal ini disebabkan adanya multikolinier dan autokolerasi